基于迭代随机森林算法的脑电信号分类研究

发布时间：2021-03-07 15:04

　　随着数据科学与生物医学的快速发展,基于脑电信号等其他众多电生理信号的研究已引起机器学习领域的高度关注。脑电信号是人体最为重要的电生理信号之一,这其中含丰富的生理和病理信息,脑电信号可以准确反映出人类大脑意识及大脑健康状况,在人脑疾病诊断方面发挥非常重要的作用。如何挖掘脑电信号重要特征,构建有效的脑电信号分类方法,是一项重要且富有挑战性的研究。本文以脑电信号为研究对象,提出了基于局部均值分解和迭代随机森林算法相结合的脑电信号分类方法。局部均值分解方法（LMD）具有一定的自适应性,相较于一些传统的信号处理方法模态混叠程度更轻一些,因此本文采用该方法对不同脑电信号进行信号处理,本文提出一种局部均值分解和迭代随机森林相结合的脑电信号分析方法。选取了Bonn大学癫痫脑电信号数据集中正常人睁眼时头皮表层与癫痫患者癫痫发作期、发作间期致痫区的300个单通道信号。首先利用MATLAB实现局部均值分解,将脑电信号进行处理。之后运用SAS对乘积函数和趋势项进行特征提取,通过R分别实现迭代随机森林、随机森林、支持向量机三种机器学习方法,调整最优参数,对每种方法采用十折交叉验证,并对比多种方法的分类结果,对分... 

【文章来源】：长春工业大学吉林省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

研究内容与方法流程图

第2章基本理论11图2.1EMD算法流程图在对原始信号进行EMD分解过程中，会出现一些影响分解效果的负面影响，例如端点效应、模态混叠。EMD分解时需要计算局部的平均值；而局部的平均值正是由信号的上下包络线产生，这两条包络线都是用三次样条插值方法来拟合的，但是有时信号两端可能并非极值点，因此在形成上下包络线的时候，信号两端就可能会出现发散现象，当信号分解进行时由于信号低频部分时间尺度较大，极值点的距离较大，端点效应还有可能发生扩散，甚至使得经验模态的分解得到的固有模态函数失去意义。目前已有很多学者提出了不同的方法来应对端点效应，最常见的方法就是镜像延拓，就是在信号两端具有对称性的极值点上做一个对称轴，得到2倍信号长度的周期信号，这样可以使得分解误差发生在真实信号以外，进而削弱端点效应对于分解的影响。

第2章基本理论14图2.2局部均值分解算法流程2.3脑电信号分类方法数据分类一直以来都是数据挖掘方向上的一个重要领域，其中运用分类算法对数据进行分类和预测也是最近几年的热点研究方向，近几年利用机器学习算法针对各类型数据进行分类和预测的应用很多。本文主要运用三种机器学习方法对脑电信号进行分类。迭代随机森林是本文主要的研究方法，该算法是在随机森林的基础上，进行多

【参考文献】：
期刊论文
[1]基于脑电EEG信号的分析分类方法[J]. 陈泽龙,谢康宁.  中国医学装备. 2019(12)
[2]基于时频域组合特征的脑电信号情感分类算法[J]. 贾小云,王丽艳,陈景霞,张鹏伟.  科学技术与工程. 2019(33)
[3]基于经验模态分解和极限学习机的癫痫脑电提取分类研究[J]. 宋玉龙,赵冕,郑威.  生物医学工程研究. 2019(03)
[4]基于脑电信号深度迁移学习的驾驶疲劳检测[J]. 王斐,吴仕超,刘少林,张亚徽,魏颖.  电子与信息学报. 2019(09)
[5]基于多尺度排列熵的脑电信号分类[J]. 韦晓燕,陈子怡,周毅.  中国数字医学. 2019(05)
[6]基于深度卷积神经网络的脑电信号情感识别[J]. 陈景霞,王丽艳,贾小云,张鹏伟.  计算机工程与应用. 2019(18)
[7]基于FSWT和GBDT的癫痫脑电信号分类研究[J]. 李昕迪,陈万忠.  吉林大学学报(信息科学版). 2019(02)
[8]一种基于机器学习的人脸情绪识别方法研究[J]. 李广鹏,刘波,李坤,黄思琦.  计算机技术与发展. 2019(05)
[9]基于脑电信号的情感识别研究[J]. 张家瑞,王刚.  计算机应用研究. 2019(11)
[10]基于遗传算法的运动想象脑电信号分类准确率的提升方法[J]. 高诺,鲁昊,鲁守银,吴林彦.  生物医学工程研究. 2018(02)

博士论文
[1]基于模糊分布熵和复值模糊分布熵的癫痫脑电信号自动分类算法研究[D]. 张涛.吉林大学 2019

硕士论文
[1]基于深度学习的脑电信号分析与模式识别研究[D]. 王光远.北京邮电大学 2019
[2]基于整体经验模态分解和随机森林的癫痫脑电信号识别算法研究[D]. 吕思奇.长春工业大学 2018
[3]基于脑电多尺度非线性分析的睡眠分期研究[D]. 顿士君.燕山大学 2016



本文编号：3069329